FLUX 3 Image 対 FLUX 3：2つの名前、2つの製品、9週間の隔たり

2026年10月1日以降、「FLUX 3」は二つの異なる意味を持つようになり、価格表が付いているのは後者の意味のほうです。FLUX 3 Imageはその日に公開された画像ティアで、api.bfl.ai/v1/flux-3-imageで、1枚あたり$0.041から従量課金されます。FLUX 3はそれが属するより大きな存在——Black Forest Labsが2026年7月23日に発表し、その後少しずつ出荷してきた統合マルチモーダルモデルであり、そのうち動画とロボティクス向けアクションヘッドがすでに本番稼働している部分です。これはフラッグシップとその小型版との比較ではありません。あるファミリー全体と、その三つの稼働中の部分のうちの一つとの比較です。

その区別は見失われやすく、BFL 自身の命名も混乱に拍車をかける。ファミリーページ、動画ドキュメント、ライセンス条項、API リファレンスはどれも、より狭い意味を指している箇所で FLUX 3 と言っている。FLUX 3 の仕様書を読んで、それが画像モデル、動画モデル、研究プログラムのどれを説明しているのか分からなくなったとしても、それはあなたが不注意なわけではない。どちらの名前も、同じリリースの重なり合う部分集合に対して現に使われている。

重要な2つの日付

• 2026年7月23日 — FLUX 3がアーリーアクセスとして発表された。画像・動画・音声の生成に加えて行動予測までを担う、単一のSelf-Flowアーキテクチャだ。興味深いのは計算資源の開示部分である。トレーニング計算量の95%以上が動画に投じられ、音声に割り当てられたトークンは0.5%未満にとどまった。

• 2026年10月1日 — 画像ティアが従量制エンドポイントとして公開される。これにより、発表から、多くの人が「FLUX 3」が指すと考えていたモダリティの登場までの間に、およそ10週間の空白が生じる。

その計算配分を読めば、Black Forest Labs が何を難しい問題だと考えていたかがわかる。トレーニング予算のほとんどを動画に費やすモデルファミリーは、静止画像向けに最適化し、動きを拡張として扱っているのではない。逆であり、画像層は動画優先のトレーニングが生み出したものをそのまま受け継いだのだ。

各ティアの内容と料金

7月に発表された4つのモダリティのうち3つはすでに提供が開始されている。画像ティアは最も新しく、従来型の有料APIのように振る舞う唯一のものである。

• FLUX 3 Image — POST 1回、x-keyヘッダー、そしてポーリング用のURLが返るだけです。料金は解像度ティアごとの画像単位で、768sq が $0.041、1K（デフォルト）が $0.048、1.5K が $0.07、2K が $0.10、4K が $0.607。ローンチ割引50%は10月8日 15:00 UTC まで実施されます。参照画像とプロンプトの長さは含まれますが、失敗したリクエストおよびモデレーションで拒否されたリクエストは課金されません。参照画像は256×256ピクセルから16メガピクセルまでのものを最大10枚まで受け付けます。

• FLUX 3 Video — 一般提供開始。画像単位ではなく秒単位で課金されます。テキストから動画と画像から動画は、Draft HD で $0.06/秒、HD で $0.17/秒、FHD で $0.29/秒、QHD で $0.40/秒、UHD で $0.80/秒、動画から動画は全体的にさらに割高です。クリップはネイティブの同期オーディオ付きで最大20秒まで生成でき、モードにはキーフレームから動画とコンティニュエーションが含まれます。Draft モードは HD のみです。QHD および UHD 出力は2026年9月10日に登場しました。

• FLUX 3 Action — 7Bのワールドアクションモデルであり、FLUX 3の中でパラメータをダウンロードできる唯一の部分です。2026年9月22日、Hugging Faceに3つのチェックポイントが登場しました。ベースチェックポイント、SO-101アーム版、DROID版です。アクセスはオープンではなくパートナー限定で、実証されている用途はロボットマニピュレーションです。

• まだ提供されていないもの — FLUX 3 のオープンウェイト基盤モデル。BFL のセルフホスティング階層は依然として FLUX.2 [klein] と FLUX.2 [dev] のみを対象としている。特に画像階層については、商用ウェイトは個別交渉によるライセンスの下で提供され、公開オープンウェイトは数週間先とされている。

誰も行わないコスト比較

画像ごとの料金と秒ごとの料金は比べようがないように見える。だからこそ、一度計算してみる価値があるのだ。

標準HDのテキストtoビデオは5秒で$0.85。UHDの5秒は$4.00。画像ティアの4K静止画1枚は定価$0.607、ローンチ期間内なら$0.3035——そして、画像ティアの「4K」は固定フレームではなくピクセル予算を指すが（BFLの出力例は5456 × 3072、約16.8メガピクセルで、UHD 2160pの8.3に対して）、それはビデオティアが秒単位で課金して動かすのと同じ桁の解像度である。

その結果、UHDキーフレームを1枚生成するコストは、UHD動画を1秒生成するコストのほんの一部で済む。しかも、反復しながら繰り返し生成することになるのはキーフレームのほうだ。パイプラインが「まずフレームを正しく仕上げ、それからアニメーション化する」というものであるなら、画像のティアは1桁以上安い側の半分であり、しかも、利用可能になってからの期間が最も短い側の半分でもある。

画像側には、動画側にはない注意点があります。4K画像の呼び出しには数分かかることがあり、返されたサンプルは1時間ダウンロードできます。遅く、1時間だけ取得可能というのは、動画ジョブとは異なる運用上の形であり、バッチパイプラインにキューが必要かどうかを決める類の詳細です。

バウンディングボックスは、次の2つの名前のいずれかで存在します

コントロールサーフェスは階層間で共有されておらず、これが名前とファミリーの間にある実用上の最も際立った違いです。

画像ティアは、プロンプトに追加されるJSON配列を受け取ります。座標は両軸とも0～1000のグリッド上にあり、各ボックスは[top, left, bottom, right]と記述します。要素のテーブルを渡し、各要素はid、bbox、descを持ち、さらにそれらのidを引用するグローバルキャプションを渡します。BFLの例ではanimal_1のような名前を使っています。同じ座標系が編集を操作します。領域を保持する、領域を移動する、新しい領域を対象のボックスに生成する、ソースボックスを削除する、といった具合です。複数の操作は1つのリクエストにまとめられ、ref_image_0は参照リストの最初のエントリを指します。ドキュメントによれば、編集されたボックスの外側のピクセルは「通常は同一のまま」だそうです — 文字どおりに読む価値のある保険的な表現です。

グラウンディングは画像ティアではデフォルトで有効です。生成の前にウェブ検索と画像検索が実行されます。出力の寸法は16の倍数に丸められ、実際の数値はoutput_mpとして返されます。

動画ティアのパラメータには、このいずれも現れない。FLUX 3 Video には独自の制御の仕組みがある——キーフレーム、継続、最初と最後のフレームの条件付け——だが、座標の言語はない。両者が共有しているのはアーキテクチャであって、インターフェースではない。

ベンダー自身の比較を注意深く読む

Black Forest LabsはFLUX 3 Videoの選好結果を公開しており、それらは出所を添えて引用する価値がある。実行はベンダーによって行われた予備的なもので、10秒の720p出力における勝率として採点されている：

• Luma Ray 3.2と比較して — FLUX 3 Videoが93%の支持を獲得。

• Runway Gen-4.5に対して — 77%。

• Grok Imagine Video に対して — 69%。

• Kling v3 Proに対して — 60%。

• Happy Horse v1およびv1.1に対して — 59%と57%。

• Seedance 2.0とGemini Omni Flashに対して — それぞれ約52%で、数字は半数を超えてはいるものの、実質的には統計上の引き分けです。

そのリスト全体にわたる93%から52%へのばらつきは、どの単一の行よりも多くのことを教えてくれる。BFLの外部でこれらの比較を行った者はいない。そして一番下の55%未満の結果こそが、そのモデルが実際にどこで競合しているのかを教えてくれるものだ。

FLUX 3 Image に対応する数値はまったく存在しない。Artificial Analysis のテキストから画像生成のボードと編集ボードは2026年10月1日と10月2日に確認されたが、どちらにも FLUX 3 Image の項目はない。FLUX.2 系が、BFL の公開スコアが止まっている地点だ。FLUX.2 [max] は生成ボードで Elo 1021、編集ボードで996、FLUX.2 [dev] は両方で1000のアンカーとして固定されている。画像ティアは公開から1日しか経っておらず、まだ測定されていない。

名前の中から選ぶこと

選択のポイントは、どのモデルが優れているかではなく、提供されている3つのティアのうち、あなたの課題がどれに当てはまるかにある。

空間制御されたスチルが必要なら、FLUX 3 Image が座標言語を備えた唯一のティアであり、1Kで1枚$0.048なら、あれこれ議論するよりきちんと評価できるほど安い。まずそこから始め、自分のフレームで「通常は同一のまま」という主張を検証し、バッチのサイズを決めるときには2Kから4Kへの料金表が6.07倍に跳ね上がることに注目しよう。

モーションが必要なら、FLUX 3 Video は、UHD までの解像度ティアと、同期音声を伴う20秒のクリップを備えた、成熟した従量制の製品です。比較する際は、画像ティアではなく、これが取って代わるために作られたモデルと比べてください — 両者は互いの代替ではありません。

重みが必要なら、現時点での答えはパートナー契約に基づくFLUX 3 Action、それ以外ならFLUX.2です。動画ティアも画像ティアもダウンロードはできず、画像ティアのオープンリリースは日付のない意図表明にすぎません。

FLUX 3 も FLUX 3 Image も OrcaRouter のカタログには載っていないため、どちらを呼び出すにしても Black Forest Labs に直接アクセスすることになります。このファミリーを軸に組まれたパイプラインにおいて、ベンダー中立のルーターがもたらす価値は、生成呼び出しを囲む層にあります。すなわち、プロンプトを書き換えるパス、レンダリングをブリーフと照合するビジョンチェック、出力を採用・却下のバケットに振り分ける分類器です。これらのステップは画像モデルよりもはるかに頻繁に変わります。そして、1つの OpenAI 互換エンドポイントの背後でプロバイダーを差し替えられること — プロバイダーの定価を上乗せなしでそのまま通し、バックエンドが劣化したときの自動フェイルオーバー、そして 意図的に固定したりフォールバックさせたいときのルーティング DSL — が、市場を追いかけるパイプラインと、モデルが非推奨になるたびに再デプロイを余儀なくされるパイプラインとの違いなのです。

正直なところ、決着点は命名規則にある。誰かがFLUX 3と言って料金表を差し出したら、その人は画像エンドポイントを指している。同じくFLUX 3と言って音声トークンの割り当てに関する仕様書を差し出したら、その人は7月の発表を指している。その2つの文書の間には9週間と出荷済みの3つのティアがあり、しかもその隔たりは今も広がり続けている。